초록 ▼

ㅇ 연구개요
계산화학 방법 및 컴퓨터 기술이 발전함에 따라 화학 반응을 계산을 통해 예측하는 시도가 많아졌다. 그러나, 여전히 대부분의 연구결과는 실험적/경험적으로 제시된 화학 반응 메커니즘을 검증하는 정도에 머물고 있다. 본 연구에서는 기존 한계를 넘어 온전히 컴퓨터만 활용하여 화학 반응을 예측하는 기술을 개발하고자 한다. 실용적으로 활용 가능한 반응 예측 기술을 만들기 위해 화학 반응성의 도입이 필요하며, 방대한 양의 데이터를 고려할 수 있는 인공지능 기술을 적용하여 해결하고자 한다. 빅데이터 기반 화학 반응성 학습에 적합

ㅇ 연구개요
계산화학 방법 및 컴퓨터 기술이 발전함에 따라 화학 반응을 계산을 통해 예측하는 시도가 많아졌다. 그러나, 여전히 대부분의 연구결과는 실험적/경험적으로 제시된 화학 반응 메커니즘을 검증하는 정도에 머물고 있다. 본 연구에서는 기존 한계를 넘어 온전히 컴퓨터만 활용하여 화학 반응을 예측하는 기술을 개발하고자 한다. 실용적으로 활용 가능한 반응 예측 기술을 만들기 위해 화학 반응성의 도입이 필요하며, 방대한 양의 데이터를 고려할 수 있는 인공지능 기술을 적용하여 해결하고자 한다. 빅데이터 기반 화학 반응성 학습에 적합한 인공지능으로 강화학습을 채택하였다.

ㅇ 연구 목표대비 연구결과
1차 년도: 방대한 양의 화학 반응 데이터를 찾아내었고, 그래프 입력값을 위한 화학정보를 얻어내는 데이터 처리 알고리즘을 개발하였다.
2차 년도: 그래프 신경망 관련 딥러닝 기술을 댜양하게 개발하였고, 이를 기반으로 분자 물성 예측 문제를 효과적으로 해결하였다. 그래프 신경망 기반 화학 반응성 예측 모델을 구현하였다. 또한, 강화학습 알고리즘 중 하나인 MCTS을 화학 반응 경로예측에 적용하고, scoring function을 도입하여 효율적으로 반응 경로를 찾아냄을 확인하였다.
3차 년도: 다양한 화학 반응에 적용 가능한 반응 공간에 대한 반응 경로 예측을 수행하기 위해, 연구실에서 선행적으로 개발한 ACE-Reaction 소프트웨어를 다양한 극성 반응과 라디칼 반응에 대해서 적용하였고, 효과적으로 화학 반응 메커니즘을 잘 묘사해줄 수 있다는 것을 확인하였다. 또한, 해당 ACE-Reaction을 더 효율적으로 탐색하기 위해, 2차 년도에서 개발한 MCTS을 ACE-Reaction에 적용하는 방법을 개발하였고, 해당 방법을 통해 기존 ACE-Reaction의 양자 화학 계산 비용을 비약적으로 줄일 수 있었다. 따라서, 일반적인 반응 공간에 대해서도 강화학습이 효과적으로 적용될 수 있음을 확인하였다.
4차년도: Q-learning 기반 강화학습을 화학 반응성 예측 모델을 개발하는데 활용하였다. 이를 몇 개의 간단한 유기 반응에 적용하여 학습효과를 확인하였다. 또한, 인공지능과 양자화학을 결합하기 위해 양자화학 계산 기반 화학 반응성 예측 모델과 양자화학을 결합하여 화학 반응 경로를 탐색하는 플랫폼을 구현하였다. 마지막으로, 화학 반응 경로 탐색을 통해 얻어진 화학 반응 네트워크로부터 정확한 화학 반응 예측을 위해 필요한 활성화 에너지를 자동적으로 계산하는 전이 구조 자동화 탐색 알고리즘을 개발하였다.

ㅇ 연구개발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성)
개발한 화학 반응 예측 기술은 유기 반응 메커니즘 분석, 설계된 합성 반응의 검증 및 생성물 예측, 산업 공정 효율 개선 등 다양한 실용적인 화학 연구에 활용할 수 있고, 향후 고도화를 통해 화학 분야의 디지털 전환을 위한 핵심 기술로 발전할 수있다. 구체적인 예로 화학 분야에서 대부분이 분자를 그래프로 표현하기 때문에, 개발한 그래프 신경망 딥러닝 기술을 토대로 분자를 다루는 다양한 화학 분야에 적용할 수 있다. 특히, 최근 주목 받고 있는 HTVS(High Throughput Virtual Screening) 기반 분자 설계 자동화 분야에서 분자의 물성을 예측하고, 유망한 분자를 탐색하는데 활용할 수 있다. 실제로 현재 산학 협동 과제로 진행중인 OLED 발광체 설계에 현재까지 확보된 기술을 적용하고, 문제점을 보완하여 보다 고도화할 계획이다. 또한 삼성전자와 진행 중인 과제에서 공정 중 발생하는 부산물 생성 메커니즘 연구에 적용할 계획이다. 추가적으로 최근에 많은 연구가 이루어지고 있는 분자 설계 및 합성경로 예측 분야에 개발한 강화학습 알고리즘을 적용하여 효율적으로 분자 공간과 합성 경로 공간을 탐색하는 모델을 개발하고자 한다.


(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 1.1 연구 개발 목적 ... 4
• 1.2 연구 개발 필요성 ... 4
• 1.3 연구 가설 ... 5
• 1.4 연구 최종 목표 ... 5
• 1.5 연구 범위 ... 6
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 6
• 2.1 분자 구조 정보에 대한 표준화 및 화학 반응 빅데이터 구축 (1차 년도) ... 6
• 2.2 GNN 기반 강화학습을 이용한 화학 반응 경로 예측 알고리즘 개발 (2차 년도) ... 7
• 1.3 화학 공간을 효율적으로 탐색하기 위한 알고리즘 개발 (3차 년도) ... 11
• 1.4 인공지능 기술과 양자화학 계산 방법 결합을 통해 예측 정확도 향상 (4차 년도) ... 12
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 15
• 1) 정성적 연구개발성과(연구개발결과) ... 15
• 2) 세부 정량적 연구개발성과 ... 16
• 3) 목표 달성 수준 ... 16
• 4) 목표 미달 시 원인 분석 ... 17
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 18
• 4.1 연구 결과의 의미 ... 18
• 4.2 연구 결과의 중요성 ... 18
• 5. 연구개발성과의 관리 및 활용 계획 ... 19
• 5.1 성과 관리 추진 체계 ... 19
• 5.2 예상되는 활용분야/활용방안 ... 19
• 5.3 추가 연구의 필요성 ... 19
• 6. 참고문헌 ... 20
• [붙임1] 세부 정량적 연구개발성과 ... 21
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 31
• 끝페이지 ... 46